[NOVA]: Eu sou a NOVA.

[ALLOY]: Eu sou o ALLOY, e este é o AgentStack Daily...

[NOVA]: Hoje, vamos analisar um bloco de higiene de três releases do Claude Code, a família de modelos de codificação MAI da Microsoft, e um radar de projetos de infraestrutura de agentes construído para a stack local de coding-agent. O Claude Code 165 chegou em 5 de junho como a versão mais recente do npm, completando um bloco de higiene de três releases que fechou lacunas de sessões em segundo plano, expandiu a extensibilidade de hooks e corrigiu o tratamento de caminhos do Windows para caminhos de diretórios temp profundos. O bloco adiciona versão mínima obrigatória e versão máxima obrigatória como primitivos de conformidade de frota, estende os hooks Stop e SubagentStop com um caminho de retorno de contexto adicional, e repara uma regressão que quebrou fluxos de trabalho do Bazel e Go protegidos por EDR ao restaurar o comportamento correto do diretório temp. O OpenClaw 6.1, Hermes 15.2 e Codex 135 mantêm suas posições EP063 como linhas de harness estáveis. O drop do modelo principal é o MAI-Code-1-Flash: o modelo de codificação de 5 bilhões de parâmetros da Microsoft treinado em harnesses de produção do GitHub Copilot, marcando 51% no SWE-Bench Pro com 60% menos tokens de solução do que modelos comparáveis. O MAI-Image-2.5 atinge 1403 no Arena Image Edit leaderboard, o Cosmos 3 da NVIDIA abre o desenvolvimento de IA física com um modelo fundamental aberto em três tamanhos, e o radar de projetos cobre memória de agentes, grafos de código e ferramentas MCP que servem à stack local de coding-agent.

[ALLOY]: A camada de harness lidera porque é onde a confiabilidade do agente se constrói ou se quebra. Sessões em segundo plano precisam retomar de forma limpa, hooks precisam estender turnos sem rotular erros, conformidade de versão da frota precisa ser aplicável e ambientes Windows precisam lidar corretamente com atributos OneDrive e caminhos profundos. Esses são os problemas não glamorosos que determinam se os operadores confiam em trabalhos de agentes de longa duração. A pista do modelo fica interessante: a Microsoft treinou um modelo de codificação em seus próprios harnesses de produção, não em benchmarks públicos, e os números de eficiência são diferentes de qualquer coisa que a stack de agentes viu de um modelo sub-10B. O radar de projetos surfaceia ferramentas que tornam stacks locais menos frágeis. Vamos começar por aí. ...

[NOVA]: Três camadas estão se movendo ao mesmo tempo, e a maneira mais útil de ouvir é mantê-las separadas. A camada de harness é a fundação que torna o trabalho do agente repetível. A camada de modelo é o que determina a qualidade do que o agente produz. A camada de ferramentas é o que torna toda a stack menos frágil à medida que escala.

[ALLOY]: O Claude Code 165 é o release de harness principal, completando um bloco de três releases de 162 a 165. A progressão não é uma onda de funcionalidades. É uma passagem de qualidade que fecha lacunas que os operadores descobrem quando um fluxo de trabalho dá errado. Sessões em segundo plano que perdem tarefas em execução ao re-anexar. Caminhos de diretórios temp profundos que silenciosamente quebram mensagens entre sessões. Atributos somente leitura do OneDrive do Windows que fazem comandos Bash falharem imprevisivelmente. Essas são as falhas que fazem equipes desconfiarem de execuções de agentes, e são exatamente as falhas que este bloco aborda.

[NOVA]: O OpenClaw 6.1, Hermes 15.2 e Codex 135 estão estáveis neste ciclo. Essa estabilidade é por si só um sinal. O ecossistema de harness está amadurecendo ao ponto onde três ferramentas consecutivas podem manter suas posições sem uma regressão ou uma correção crítica chegando entre episódios. Para operadores que gerenciam conformidade de frota, essa previsibilidade é valiosa. Você pode raciocinar sobre sua stack sem se preocupar que o próximo npm publish vai introduzir um bug de recuperação de sessão ou uma regressão de hook de plugin.

[ALLOY]: A pista do modelo é onde as coisas ficam interessantes por um motivo diferente. A Microsoft dropou uma família de sete modelos MAI no Build 2026, e o modelo principal para a stack de agentes é o MAI-Code-1-Flash. Um modelo de codificação de 5 bilhões de parâmetros treinado em harnesses de produção do GitHub Copilot, não em datasets de benchmark. Essa é uma filosofia de treinamento significativamente diferente do que a maioria dos laboratórios tem enviado, e os números de eficiência sugerem que a abordagem funciona.

[NOVA]: O MAI-Image-2.5 coloca a Microsoft à frente do Gemini no Arena Image Edit leaderboard pela primeira vez em um tempo, o que importa para stacks integradas à Microsoft que precisam de tarefas de imagem dentro da superfície do Copilot. O Cosmos 3 da NVIDIA é o modelo fundamental aberto de IA física que equipes de robótica e lojas de desenvolvimento baseado em simulação vão construir. E o radar de projetos cobre três ferramentas que tornam stacks locais de coding-agent menos frágeis: Understand Anything para navegação de grafo de código, agentmemory para recall cruzado de agentes compartilhados, e MCPJungle para gerenciamento de proliferação de servidores MCP.

[ALLOY]: A ordem é deliberada. Harness primeiro porque é onde a confiança se constrói. Modelo segundo porque é onde a capacidade é definida. Ferramentas terceiro porque é onde a stack fica mais fácil de operar. ...

[NOVA]: O Claude Code 165 é a versão mais recente do npm em 5 de junho, completando um bloco de três releases a partir da linha de base EP063 da versão 162. O bloco não é uma onda de funcionalidades. É o tipo de release que fecha lacunas que os operadores descobrem quando um fluxo de trabalho dá errado, e vale a pena entender cada correção individualmente porque elas tocam exatamente nas superfícies que tornam os agentes confiáveis em produção.

[ALLOY]: A versão 163 é a mais operacionalmente interessante das três. Versão mínima obrigatória e versão máxima obrigatória são configurações gerenciadas que permitem aos admins de org impor portões de versão. O Claude Code se recusa a iniciar se sua versão ficar fora do intervalo permitido e direciona o usuário para uma versão aprovada. Para operadores de frota que precisam de comportamento determinístico entre versões, este é um primitivo de conformidade real. Você agora pode bloquear uma equipe para um intervalo de versão testado e saber que ninguém está executando uma versão com uma regressão ou uma funcionalidade ausente da qual você depende.

[NOVA]: O comando de lista de plugins agora mostra plugins instalados, e você pode filtrar por habilitados ou desabilitados. Isso importa quando a proliferação de plugins torna difícil auditar o que está realmente carregado. Se você tem cinco plugins instalados e dois estão desabilitados, você precisa saber disso antes de depurar uma falha de hook ou um problema de chamada de ferramenta. Os flags de filtro tornam essa auditoria direta em vez de exigir que você leia através de um manifesto completo de plugins.

[ALLOY]: Os hooks Stop e SubagentStop agora podem retornar o que a equipe chama de contexto adicional. O hook pode dar feedback ao Claude e manter o turno continuando sem ser rotulado como erro de hook. Isso muda como autores de hooks podem estender uma sessão. Um hook que precisa surfacear informações sem bloquear o turno agora tem um contrato limpo. Antes disso, um hook que queria fornecer contexto tinha que bloquear o turno ou retornar um erro, o que ambos paravam a execução e confundiam o operador sobre o que aconteceu. O caminho de retorno de contexto adicional separa essas preocupações.

[NOVA]: Skills ganham um pequeno ajuste de sintaxe de escape para variáveis de shell, então corpos de comandos podem passá-las sem que o harness os mal interprete. Esse é o tipo de correção que a maioria dos ouvintes nunca vai ver, mas remove uma classe de erros confusos de carregamento de skill. [ALLOY]: Servidores MCP stdio agora recebem o mesmo ID de sessão do Claude Code que hooks e Bash recebem quando você retoma uma sessão. Isso fecha uma lacuna onde servidores MCP não podiam correlacionar uma sessão através de operações de retomada. Se você retoma uma sessão e um servidor MCP precisa saber qual sessão está conversando, ele agora tem o mesmo ID de sessão disponível que hooks e Bash recebem. Isso torna ferramentas MCP com consciência de sessão mais confiáveis.

[NOVA]: As correções do Windows merecem ser notadas individualmente. Uma regressão na 154 fez o harness substituir o diretório temp para todos os comandos Bash, não apenas para os sandboxed. Isso quebrou fluxos de trabalho do Bazel e Go protegidos por EDR que dependem do diretório temp real. O Bazel usa o diretório temp para cache de artefatos de build, e ferramentas EDR monitoram criação de processos e acesso a arquivos contra o caminho temp real. Quando o harness substituiu o diretório temp para todos os comandos, esses fluxos de trabalho pararam de funcionar corretamente. Comandos Bash agora falham corretamente no Windows quando o diretório session-env tem o atributo somente leitura ou está dentro do OneDrive. O sistema de mensagens entre sessões também quebrou silenciosamente quando o diretório temp apontava para um caminho aninhado profundo. Isso agora está corrigido.

[ALLOY]: A versão 165 é puramente correções de bugs e melhorias de confiabilidade. O sinal prático para operadores de frota: audite suas configurações de conformidade de versão e defina versão mínima obrigatória e versão máxima obrigatória se você impõe portões de versão. Execute o comando de lista de plugins com os novos flags de filtro para ver o que está realmente instalado. Se você tem hooks que precisam estender turnos sem rotular erros, teste um que retorna o campo de contexto adicional. E verifique se fluxos de trabalho do Bazel e protegidos por EDR funcionam corretamente agora que a regressão do diretório temp está corrigida.

[NOVA]: A cadência de três pontos de release em uma semana soa como ruído, mas as correções tocam exatamente os fluxos de trabalho que fazem operadores dizerem "Eu não sabia que isso poderia quebrar." Sessões em segundo plano, caminhos profundos, OneDrive do Windows e conformidade de versão da frota. Esses são os problemas não glamorosos que determinam se você confia em uma sessão de trabalho de agente de longa duração, e são exatamente os problemas que este bloco fecha. ...

[ALLOY]: O OpenClaw 6.1, Hermes 15.2 e Codex 135 mantêm suas posições EP063 como linhas de harness estáveis. Nenhum novo release estável chegou neste ciclo, o que significa que a orientação operacional do último episódio ainda se aplica. Essa estabilidade vale a pena ser reconhecida porque não é garantida. O ecossistema de harness ainda é jovem o suficiente para que regressões ocorram entre episódios, e o fato de que três ferramentas consecutivas podem manter suas posições sem uma correção crítica é um sinal sobre onde a curva de maturidade está.

[NOVA]: O OpenClaw 6.1 continua sendo a superfície de coordenação e governança que transformou um kanban em uma superfície de orquestração multiagente. Workboard é a capacidade principal: execuções de board respaldadas por tarefas com comentários de tarefas incorporados no modal de edição, o que importa porque a revisão para de decair quando está incorporada ao lado do trabalho. Skill Workshop é o caminho governado para habilidades autoradas por agentes, com fluxos de aplicar, rejeitar e Quarentena mais metadados de rollback. A recuperação baseada em SQLite lida com estado iMessage e o livro-razão de instalação de plugins, então reinícios se recuperam sem varredura de sistema de arquivos duplicada. Temporizadores e retentativas limitados envolvem caminhos de requisição de provedores e plugins, então OAuth, códigos de dispositivo, downloads de mídia e pesquisa de conteúdo gerado todos falham de forma limpa em vez de pendurar uma execução indefinidamente.

[ALLOY]: Hermes 15.2 continua sendo a linha estável multi-agente kanban com isolamento de worktree, coordenação de swarm e defesa de promptware. O isolamento de worktree é a decisão arquitetural chave para trabalho paralelo de agentes: sem conflitos de branch, sem gerenciamento manual de branch, sem interferência de sessão quando dois agentes operam na mesma base de código ao mesmo tempo. Coordenação de swarm adiciona as primitivas para distribuição de tarefas multi-agente, e defesa de promptware protege contra desvio de instrução do modelo em cenários de orquestração de longa duração.

[NOVA]: Codex 135 continua sendo o CLI da OpenAI com diagnósticos de TUI mais claros, tratamento de ciclo de vida app-server mais rigoroso, hooks nomeados com escopos de permissão, e comportamento melhorado de SDK Python e Node em relação a threads, turns e propagação de erros. Os aprimoramentos de diagnósticos fornecem aos operadores evidências em vez de forçar reconstrução a partir de scrollback e logs. Os hooks nomeados com escopos de permissão facilitam a auditoria do que cada hook pode fazer antes de ser executado, o que é importante para implantações preocupadas com segurança.

[ALLOY]: O sinal prático para operadores é que essas linhas estáveis são testadas. Se você está rodando OpenClaw 6.1, Hermes 15.2, ou Codex 135, as capacidades e características de confiabilidade foram validadas através de múltiplos episódios de uso em produção. O cálculo de upgrade é diferente quando uma ferramenta é estável versus quando está em desenvolvimento ativo. Ferramentas estáveis recebem upgrades para patches de segurança e correções de bugs críticos. Ferramentas em desenvolvimento recebem upgrades para novas capacidades. Essas três estão na categoria estável, o que significa que a decisão de upgrade é menos arriscada e mais previsível.

[NOVA]: Para equipes que rastreiam pacotes CLI, Claude Code 165 é o que se moveu neste ciclo. Os outros estão em posição. ...

[ALLOY]: A Microsoft abriu o Build 2026 em 2 de junho com um anúncio de família MAI de sete modelos. O modelo que mais importa para o stack de agentes é MAI-Code-1-Flash: um modelo de codificação de 5 bilhões de parâmetros treinado diretamente nos harnesses de ferramentas de produção do GitHub Copilot, não em datasets de benchmark genéricos. A abordagem de treinamento é o diferenciador chave, e vale a pena entender por que ele produz resultados tão diferentes dos modelos treinados em benchmark.

[NOVA]: Ao treinar nos mesmos harnesses que os desenvolvedores usam para suas tarefas diárias de codificação, MAI-Code-1-Flash aprende como interagir com ferramentas e sistemas circundantes em fluxos de trabalho de codificação agentic. Ele não está aprendendo como responder a um prompt de benchmark. Ele está aprendendo como operar no mesmo ambiente em que desenvolvedores de produção operam, com as mesmas chamadas de ferramentas, as mesmas janelas de contexto, os mesmos orçamentos de tokens e os mesmos modos de falha. Esse é um sinal de treinamento fundamentalmente diferente do que a maioria dos laboratórios usa, e os números de eficiência sugerem que ele produz um modelo mais adequado para trabalho real de codificação.

[ALLOY]: Os números de benchmark são concretos. MAI-Code-1-Flash pontua 51% no SWE-Bench Pro, que é uma vantagem de 16 pontos sobre o Claude Haiku 4.5 no mesmo harness de produção. No SWE-Bench Verified, SWE-Bench Multilingual e Terminal Bench 2, ele supera o Haiku 4.5 em todos os quatro benchmarks principais de codificação. Essas não são comparações escolhidas a dedo. São o mesmo harness, o mesmo protocolo de avaliação e uma lacuna significativa em desempenho.

[NOVA]: O controle adaptativo de comprimento de solução é o mecanismo de eficiência que impulsiona a redução de 60% em tokens. O modelo permanece conciso em requisições simples e aloca mais orçamento de raciocínio em problemas mais difíceis. Requisições simples recebem respostas curtas e diretas. Requisições complexas recebem o tratamento completo de raciocínio. O modelo não está gastando tokens em traces de raciocínio para problemas que não precisam deles, é por isso que a Microsoft vê 60% menos tokens de solução em tarefas complexas. Isso se traduz em menor latência, menor custo e fluxos de trabalho interativos mais suaves.

[ALLOY]: Para operadores de stack de agentes, o sinal estratégico é que a Microsoft está reduzindo a dependência da OpenAI e competindo em capacidades de modelo fundamental com pipelines de treinamento ajustados para seu próprio stack de desenvolvedores. MAI-Code-1-Flash já está dentro do GitHub Copilot e VS Code, o que significa que já está nos fluxos de trabalho de milhões de desenvolvedores que usam essas ferramentas diariamente. O modelo não é uma prévia de pesquisa. É um serviço de produção que desenvolvedores estão usando agora mesmo.

[NOVA]: A estratégia da família MAI importa para roteamento de modelo em stacks alinhados à Microsoft. Se você já está dentro do ecossistema Copilot, pode rotear tarefas de codificação para MAI-Code-1-Flash e obter melhor desempenho de benchmark do que modelos da classe Haiku com 60% menos tokens. Esse é um perfil de custo e latência diferente do que você obtém de modelos treinados em benchmarks públicos, e muda a economia de executar agentes de codificação em escala.

[ALLOY]: MAI-Thinking-1 está em prévia privada no Microsoft Foundry, posicionado contra o Claude Opus 4.6 no SWE-Bench Pro. A contagem de 35B de parâmetros ativos com aproximadamente 1 trilhão de parâmetros totais é uma arquitetura diferente do modelo de codificação de 5B. É um modelo de raciocínio, não um modelo de codificação, e ainda não está disponível para uso geral. A prévia privada significa que construtores ainda não podem avaliá-lo contra suas próprias cargas de trabalho, o que limita seu impacto imediato no stack de agentes. Fique de olho em anúncios de GA, mas por agora o modelo acionável é MAI-Code-1-Flash.

[NOVA]: O movimento prático para agentes dentro de lojas Microsoft: teste MAI-Code-1-Flash através do GitHub Copilot em uma tarefa de codificação real e compare o uso de tokens contra seu modelo anterior. A história de eficiência é real, e o desempenho de benchmark é apoiado por avaliação de harness de produção, não configurações de benchmark sintéticas. Se você está avaliando modelos para um stack de agentes, extraia os benchmarks de MAI-Code-1-Flash do harness de produção da Microsoft e compare contra linhas de base da classe Haiku e Opus em suas próprias tarefas de repo. ...

[NOVA]: MAI-Image-2.5 pontuou 1403 no leaderboard Arena Image Edit em 2 de junho, à frente do Gemini 3 Pro Image Preview 2K em 1388. Essa é uma posição real de leaderboard para a Microsoft em edição de imagem multimodal, e vale a pena entender o que o leaderboard mede e o que ele não garante para fluxos de trabalho de agentes do mundo real.

[ALLOY]: O leaderboard Arena Image Edit foca em tarefas de edição de imagem para imagem, não em geração de texto para imagem. A distinção importa porque diferentes modelos são otimizados para diferentes casos de uso. Modelos de texto para imagem como DALL-E e Midjourney são otimizados para gerar imagens do zero. Modelos de edição de imagem para imagem são otimizados para modificar imagens existentes: ajustando composição, corrigindo artefatos, adicionando elementos, mudando estilo. MAI-Image-2.5 está na categoria de edição, é por isso que compete diretamente com o Gemini 3 Pro no mesmo leaderboard.

[NOVA]: A vantagem de 15 pontos sobre o Gemini 3 Pro é significativa, mas pontuações de leaderboard não contam toda a história para fluxos de trabalho de agentes. A pontuação do Arena reflete desempenho em tarefas de benchmark específicas que os curadores do leaderboard projetaram. Fluxos de trabalho de imagem de agentes do mundo real incluem capturas de tela de documentação, mockups de UI, geração de diagramas e tarefas de anotação que podem ou não mapear claramente para as tarefas de benchmark. A posição no leaderboard é evidência de que o modelo é capaz, mas não é garantia de desempenho no seu caso de uso específico.

[ALLOY]: Para stacks de agentes dentro de lojas Microsoft, o valor estratégico é fechar uma lacuna onde tarefas de imagem tinham que rotear fora da superfície Copilot. Antes do MAI-Image-2.5, um agente de codificação que precisava gerar um mockup de UI ou anotar uma captura de tela tinha que chamar um serviço externo de imagem. Agora essa capacidade está dentro da mesma superfície que o agente já usa para tarefas de codificação. Isso reduz o número de dependências externas no fluxo de trabalho do agente, o que simplifica o roteamento, reduz a latência e melhora a confiabilidade.

[NOVA]: O ângulo do stack de agentes não é sobre substituir o Midjourney ou DALL-E para trabalho criativo. É sobre se fluxos de trabalho de agentes integrados à Microsoft agora podem usar MAI-Image para documentação, mockups de UI, geração de diagramas e anotação de capturas de tela sem sair da superfície Copilot. Para operadores de OpenClaw, Codex e Claude Code que trabalham dentro de lojas Microsoft, isso fecha uma lacuna onde tarefas de imagem tinham que rotear fora do stack.

[ALLOY]: O movimento prático: se você executa agentes dentro de um stack alinhado à Microsoft, teste MAI-Image-2.5 através do Copilot ou Foundry em uma tarefa de edição de imagem. Gere um mockup de UI, anote uma captura de tela ou crie um diagrama. Compare a qualidade de saída e latência contra sua ferramenta de imagem atual. A posição no leaderboard sugere que o modelo é competitivo, mas seu fluxo de trabalho é a avaliação real. ...

[NOVA]: A NVIDIA lançou o Cosmos 3 na COMPUTEX 2026 como um modelo fundamental de mundo aberto para IA física. O modelo combina raciocínio visual, geração de mundo e predição de ação em uma única arquitetura de mixture-of-transformers. Essas são três capacidades que antes exigiam sistemas separados, unificadas em um modelo. Entender por que essa unificação importa requer um breve tour do que IA física realmente significa para desenvolvimento de agentes.

[ALLOY]: IA física é a categoria de sistemas de IA que interagem com o mundo físico: robôs, veículos autônomos, ambientes de simulação e sensoriamento e atuação do mundo real. Esses sistemas precisam ver o mundo, entender como o mundo muda e prever quais ações produzirão os resultados desejados. Antes, essas três capacidades exigiam três modelos ou sistemas separados. O Cosmos 3 os coloca em uma arquitetura, o que simplifica pipelines de treinamento e permite otimização de ponta a ponta em todas as três capacidades simultaneamente.

[NOVA]: Três tamanhos estão disponíveis. Cosmos 3 Nano tem 16 bilhões de parâmetros, otimizado para GPUs RTX PRO 6000 de nível workstation. Cosmos 3 Super tem 64 bilhões de parâmetros, mirando GPUs Hopper e Blackwell de data center para geração de dados sintéticos em grande escala. Cosmos 3 Edge está em desenvolvimento, projetado para inferência edge em tempo real. Os níveis de tamanho mapeiam para cenários de implantação: desenvolvimento e teste local no Nano, treinamento em grande escala e geração de dados no Super, e implantação edge de produção no Edge.

[ALLOY]: Cosmos 3 está aberto para pesquisa e uso comercial. A NVIDIA liberou os pesos do modelo, scripts de treinamento, ferramentas de implantação e conjuntos de dados no Hugging Face e no GitHub. Essa é uma liberação genuinamente aberta, não uma API restrita. Equipes que desejam fazer fine-tuning com seus próprios dados físicos de IA podem baixar os pesos e scripts de treinamento e executar o pipeline de treinamento em sua própria infraestrutura. A liberação aberta reduz a barreira para equipes de robótica, desenvolvedores de veículos autônomos e lojas de desenvolvimento baseadas em simulação construírem sobre um modelo de base de última geração.

[NOVA]: A cobertura de benchmarks é ampla. Cosmos 3 lidera no Artificial Analysis, Physics-IQ, PAI-Bench, R-Bench para precisão de geração de mundo, RoboLab e RoboArena para política de ação, e VANTAGE-Bench e TAR para compreensão visual. Entre modelos abertos, Cosmos 3 lidera nesses benchmarks. O portfólio de benchmarks reflete a arquitetura de três partes: raciocínio físico, geração de mundo e previsão de ação são todos avaliados separadamente e em conjunto.

[ALLOY]: O ângulo do stack de agentes não é trabalho de codificação imediato. O modelo não é projetado para geração de código ou tarefas de documentação. Ele é projetado para robótica, simulação e interação com o mundo físico. Mas entender o que modelos de base de IA física significam para a próxima geração de hardware de agentes é relevante para operadores que estão observando o horizonte. Agentes que interagem com robôs, veículos e ambientes do mundo real precisam exatamente das capacidades que o Cosmos 3 combina: raciocínio visual, simulação de mundo e previsão de ação.

[NOVA]: Para operadores observando o horizonte, Cosmos 3 é o modelo de base aberto que equipes de robótica e lojas de desenvolvimento baseadas em simulação construirão. O nível de tamanho Edge vale acompanhar para hardware de agentes edge futuro, onde inferência em tempo real em modelos do mundo físico se torna o alvo de implantação. Se você trabalha com robótica, veículos autônomos ou treinamento de agentes baseado em simulação, baixe o modelo Cosmos 3 do Hugging Face e execute contra sua suíte de benchmarks de IA física. Para ouvintes do stack de agentes geral, o movimento prático é entender o que modelos de base de IA física significam para hardware de agentes edge em 12 a 18 meses. ...

[NOVA]: O novo aplicativo desktop do GitHub é o anúncio de produto que transforma o Copilot de um assistente de codificação reativo em uma superfície proativa de orquestração de múltiplos agentes. O aplicativo foi lançado na Build 2026 em preview técnico para assinantes Copilot Pro, Pro+, Max, Business e Enterprise no Windows 11, Windows 11 on Arm, Mac e Linux. Entender o que ele realmente faz requer olhar para as decisões arquiteturais por trás do marketing.

[ALLOY]: O painel "My Work" monitora e direciona múltiplos agentes de IA simultaneamente em repositórios, issues, pull requests e automações em segundo plano. Essa é a camada de orquestração. Um desenvolvedor pode ver quais agentes estão rodando, em que estão trabalhando e em que estado estão, sem trocar entre janelas de terminal ou interfaces de chat. O painel é o centro de controle para um fluxo de trabalho de múltiplos agentes.

[NOVA]: Cada sessão roda em seu próprio worktree Git isolado. Essa é a decisão arquitetural chave para trabalho paralelo de agentes. Quando dois agentes operam na mesma base de código ao mesmo tempo, eles precisam evitar conflitos de branch, gerenciamento manual de branch e interferência de sessão. Worktrees isolados resolvem esse problema na camada Git. Cada agente trabalha em seu próprio worktree, o que significa que os agentes podem rodar em paralelo sem coordenar no estado do branch. Quando um agente completa seu trabalho, as mudanças podem ser mescladas através do fluxo normal do Git.

[ALLOY]: Canvases são o design de interação mais inovador no aplicativo. São superfícies visuais interativas e bidirecionais onde desenvolvedores e agentes colaboram em tempo real. O agente exibe seu plano atual, saídas de terminal, implantações ou sessões de navegador no Canvas. O desenvolvedor pode inspecionar, direcionar e verificar o trabalho sem trocar de janelas. Esse é um modelo diferente do padrão de terminal-e-chat que a maioria dos agentes usa hoje. A superfície Canvas torna o trabalho do agente visível e editável de uma forma que a saída de terminal não permite.

[NOVA]: Agent Merge automatiza o ciclo de vida do pull request desde pegar uma issue até revisão, checks e merge. A automação cobre o ciclo de vida completo do PR, não apenas a etapa de geração. Isso significa que um agente pode pegar uma issue, escrever o código, rodar os testes, lidar com a revisão e fazer merge do PR sem intervenção manual em cada etapa. Para equipes que padronizaram fluxos de trabalho GitHub, Agent Merge adiciona a camada de automação que torna a revisão de código de múltiplos agentes prática.

[ALLOY]: O Copilot SDK está Generally Available em seis linguagens: Node.js, TypeScript, Python, Go, .NET, Rust e Java. Isso significa que ferramentas customizadas e extensões de agentes se tornam uma superfície de desenvolvimento de primeira classe em vez de um hack. Equipes que desejam estender como agentes Copilot interagem com seus fluxos de trabalho existentes podem construir ferramentas baseadas em SDK e distribuí-las através dos canais normais de desenvolvimento. A disponibilidade do SDK muda a calculus para equipes que estavam construindo alternativas para integrar Copilot com sistemas proprietários.

[NOVA]: O modo voz no CLI adiciona uma nova modalidade de entrada para desenvolvedores que preferem fala a digitação. O CLI Copilot redesenhado inclui modo voz e acesso tabbed experimental para pull requests, issues e gists. A entrada de voz ainda é experimental, mas sinaliza uma direção: agentes estão adicionando modalidades de entrada além do texto, o que é importante para acessibilidade e para fluxos de trabalho onde digitar é mais lento que falar.

[ALLOY]: O sinal prático: se você é assinante Copilot Pro ou Enterprise, entre no preview técnico e teste uma sessão de agente paralelo em um repositório de baixo risco. Use o SDK para construir uma ferramenta customizada que estenda como um agente interage com seu fluxo de trabalho existente. A arquitetura de worktree isolado torna o trabalho paralelo de agentes prático pela primeira vez em uma superfície Copilot de qualidade de produção, e o SDK torna ferramentas customizadas uma preocupação de primeira classe em vez de uma reflexão tardia. ...

[NOVA]: OpenHands traz suporte a Kubernetes e modo de planejamento para agentes de codificação autônomos em seu último lançamento, e é o agente de codificação autônomo mais fortalecido para produção no ecossistema open source. O lançamento veio em março com duas grandes adições: suporte a Kubernetes para cargas de trabalho de agentes containerizados em escala, e um Planning Mode em beta que adiciona decomposição explícita de tarefas antes da execução. A lista de adoção empresarial conta onde agentes de codificação autônomos estão na curva de maturidade: AMD, Apple, Google, Amazon, Netflix e NVIDIA estão usando em produção. Isso não é um protótipo de pesquisa. É uma ferramenta de produção em alguns dos ambientes de engenharia mais exigentes.

[ALLOY]: A arquitetura do agente vale entender como ponto de referência. OpenHands roda em um ambiente sandbox com shell embutido, navegador web, editor de código e planejador de tarefas. Ele executa tarefas de engenharia de software end-to-end: escrever e modificar código, rodar comandos, navegar na web, rodar testes, debugar. O agente não requer que você troque entre ambientes. Ele opera no sandbox e usa as ferramentas embutidas para completar tarefas sem dependências externas.

[NOVA]: A flexibilidade de LLM significa que você pode plugar GPT-4, Claude, Gemini, modelos locais ou outros. OpenHands não está atado a um provedor de modelo específico. O agente é projetado para trabalhar com qualquer modelo que você fornece, o que significa que equipes podem avaliar diferentes modelos contra suas próprias cargas de trabalho sem mudar a infraestrutura do agente. Para equipes que têm opiniões fortes sobre seleção de modelo, essa flexibilidade é um recurso primário.

[ALLOY]: O suporte a Kubernetes significa que OpenHands agora pode fazer parte de uma infraestrutura de agentes containerizados e orquestrados. Em vez de rodar o agente como um único processo em uma única máquina, você pode implantá-lo como uma carga de trabalho containerizada que escala com primitivas Kubernetes. Isso muda o modelo operacional de "rodar um agente em uma máquina de dev" para "rodar cargas de trabalho de agentes como um serviço gerenciado." Para equipes que já usam Kubernetes para sua infraestrutura, a integração é natural.

[NOVA]: Planning Mode é o recurso beta que vale acompanhar. A decomposição explícita de tarefas antes da execução é uma das lacunas que separa agentes autônomos que funcionam em demos daqueles que funcionam em produção. Uma demo pode mostrar um agente completando uma tarefa de uma vez. Trabalho de produção requer que o agente entenda o escopo completo de uma tarefa, decomponha em etapas, verifique cada etapa e lide com falhas graciosamente. Planning Mode adiciona a etapa de decomposição antes da execução, o que significa que o agente constrói um plano antes de começar a trabalhar.

[ALLOY]: A lista de adoção empresarial é o sinal mais concreto sobre onde agentes de codificação autônomos estão na curva de maturidade. AMD, Apple, Google, Amazon, Netflix e NVIDIA são nomes que carregam peso em engenharia de produção. Quando essas organizações estão rodando um agente de codificação autônomo em produção, significa que o agente passou por qualquer processo de avaliação que essas organizações usam para ferramentas de produção. Esse é um nível diferente de "passa em um benchmark" ou "impressiona em uma demo."

[NOVA]: Para o stack de agentes, OpenHands é uma referência primária para como é codificação autônoma de produção. A integração com Kubernetes significa que agora pode fazer parte de uma infraestrutura de agentes containerizados e orquestrados. O Planning Mode beta vale acompanhar porque decomposição explícita antes da execução é uma das lacunas que separa agentes autônomos que funcionam em demos daqueles que funcionam em produção. Se você avalia agentes de codificação autônomos para uso em produção, rode OpenHands contra um de seus repositórios e compare sua conclusão de tarefas end-to-end contra um agente de codificação de turno único. Teste o Planning Mode beta em uma tarefa de múltiplas etapas e verifique se a decomposição explícita melhora a qualidade da saída. ...

[ALLOY]: O projeto radar cobre três ferramentas que tornam as pilhas de agentes de codificação local menos frágeis. Estas não são atualizações de harness ou lançamentos de modelos. Elas são a camada de infraestrutura que torna toda a pilha mais navegável à medida que escala. Understand Anything, agentmemory e MCPJungle atacam cada uma um problema diferente no fluxo de trabalho do agente local.

[NOVA]: Understand Anything transforma uma base de código em um grafo de conhecimento navegável. A ferramenta indexa seu repositório em um banco de dados de grafo e expõe através de uma CLI e um servidor MCP. Um agente pode responder perguntas estruturais sobre a base de código sem fazer grep em dezenas de arquivos. Perguntas como "qual é o caminho de requisição para este endpoint" ou "quais arquivos este módulo depende" se tornam consultas de grafo em vez de buscas em arquivos. O grafo de conhecimento dá ao agente um modelo mental navegável da base de código antes de começar a trabalhar, o que reduz o tempo gasto em orientação e reduz o risco de o agente fazer alterações que entrem em conflito com a arquitetura existente.

[ALLOY]: Os metadados da API do GitHub mostram mais de 48.000 estrelas e uma licença MIT, o que significa que a ferramenta é amplamente usada e livremente disponível. A licença MIT é importante para equipes que querem integrar a ferramenta em fluxos de trabalho proprietários sem conflitos de licença. A abordagem baseada em grafo é diferente da busca baseada em grep porque captura relacionamentos entre elementos de código, não apenas o conteúdo de arquivos individuais. Uma consulta de grafo pode responder perguntas sobre estrutura que o grep não pode responder sem executar múltiplas buscas e correlacionar resultados.

[NOVA]: agentmemory dá a cada agente na sua máquina um servidor de memória compartilhada na porta 3111 com pontuação de confiança, gerenciamento de ciclo de vida, um grafo de conhecimento e busca híbrida. O servidor de memória compartilhada significa que múltiplos agentes podem acessar o mesmo contexto de memória, o que é importante para fluxos de trabalho onde um agente define contexto que outro agente precisa. A pontuação de confiança ajuda o agente a decidir o quanto confiar em um item de memória. O gerenciamento de ciclo de vida lida com persistência e limpeza de memória. O grafo de conhecimento adiciona consciência de relacionamento ao armazenamento de memória. A busca híbrida combina busca por palavras-chave e semântica para melhor recuperação.

[ALLOY]: Para equipes que executam múltiplos agentes em paralelo ou em sequência, a memória compartilhada é uma capacidade que muda como os agentes podem coordenar. Um agente que completa uma tarefa pode escrever suas descobertas no servidor de memória compartilhada. Um agente subsequente pode ler essas descobertas e construir sobre elas sem refazer a pesquisa. Esse é um modelo diferente de agentes que começam cada sessão sem memória de trabalhos anteriores.

[NOVA]: MCPJungle aborda a proliferação de servidores MCP. À medida que as equipes adicionam mais servidores MCP à sua configuração de agente, a superfície de gerenciamento se torna complexa. MCPJungle fornece ferramentas de visibilidade e gerenciamento para o ecossistema de servidores MCP. A ferramenta ajuda as equipes a entender quais servidores estão instalados, o que eles fornecem e como estão configurados. Para operadores de agentes que acumularam servidores MCP ao longo do tempo, MCPJungle adiciona a camada de gerenciamento que torna a proliferação gerenciável.

[ALLOY]: O fio condutor comum entre todas as três ferramentas é reduzir a fragilidade na pilha de agentes local. Understand Anything reduz a fragilidade dando aos agentes um grafo de base de código navegável. agentmemory reduz a fragilidade dando aos agentes contexto compartilhado e durável. MCPJungle reduz a fragilidade dando aos operadores visibilidade no ecossistema de servidores MCP. Estas não são capacidades que tornam os agentes mais inteligentes no abstrato. São capacidades que tornam modos específicos de falha menos prováveis em fluxos de trabalho de produção. ...

[NOVA]: A fila prática é o que move do ouvir para o agir. Para Claude Code, audite suas configurações de conformidade de versão da frota e defina versão mínima obrigatória e versão máxima obrigatória se você aplicar portões de versão. Execute o comando de lista de plugins com as novas flags de filtro para ver o que está realmente instalado. Verifique se os fluxos de trabalho protegidos por Bazel e EDR funcionam corretamente após a correção de regressão do diretório temporário. Para Microsoft MAI, teste MAI-Code-1-Flash através do GitHub Copilot em uma tarefa real de codificação e compare o uso de tokens com seu modelo anterior. Se você está dentro de um ambiente Microsoft, teste MAI-Image-2.5 através do Copilot em uma tarefa de edição de imagem.

[ALLOY]: Para NVIDIA Cosmos 3, baixe o modelo do Hugging Face se você trabalha com IA física ou robótica, e acompanhe o nível de tamanho do Cosmos 3 Edge para hardware de agente de borda futuro. Para o aplicativo desktop do GitHub Copilot, junte-se à prévia técnica se você é assinante Copilot Pro ou Enterprise e teste uma sessão de agente paralelo em um repositório de baixo risco. Use o SDK para construir uma ferramenta personalizada que estenda como um agente interage com seu fluxo de trabalho existente. Para OpenHands, execute-o em um de seus repositórios, teste o Modo de Planejamento em uma tarefa de múltiplas etapas e compare a conclusão de tarefa ponta a ponta contra um agente de codificação de turno único.

[NOVA]: Para as ferramentas do projeto radar, execute Understand Anything em um repositório com pontos de entrada confusos e peça o caminho de requisição, depois compare o plano do agente antes e depois da orientação do grafo. Se você executa múltiplos agentes em paralelo ou em sequência, configure agentmemory e verifique se o contexto compartilhado melhora o desempenho do agente downstream. Se você acumulou servidores MCP ao longo do tempo, use MCPJungle para auditar o que está realmente instalado e configurado.

[ALLOY]: O fio condutor do AgentStack Daily de hoje é maturidade de infraestrutura. A camada de harness está se consolidando em torno de superfícies estáveis e confiáveis. A camada de modelo está adicionando novas capacidades com treinamento de harness de produção e uso eficiente de tokens. A camada de ferramentas está adicionando ferramentas de contexto e gerenciamento que tornam toda a pilha menos frágil. A pilha de agentes está ficando menos mística e mais operacional, e isso é exatamente o que ela precisa para se tornar uma ferramenta de produção em vez de uma demonstração de pesquisa.

[NOVA]: As notas do programa do AgentStack Daily de hoje estão em Toby On Fitness Tech ponto com. Você encontrará os timestamps, os links para os lançamentos e ferramentas que cobrimos, e o contexto técnico mais profundo que não coube no áudio falado. Se você quiser aprofundar em qualquer uma das histórias, veja as notas do programa em Toby On Fitness Tech ponto com.

[ALLOY]: Estaremos de volta em breve.

[NOVA]: Este é o AgentStack Daily. Eu sou NOVA. Obrigado por ouvir.